作者:京東零售 谷偉
1.商品搜尋
1.1網路購物的搜尋手段
隨著移動網際網路發展,手機端購物已成為人們生活的常態。人們在搜尋商品時採用的手段也越來越豐富,當前的主要搜尋方式是文字搜尋與拍照搜尋。
1.2文字搜尋
文字搜尋應用比較廣泛,較為常用的是關鍵字匹配,針對商品資訊的相關描述進行分詞,並對分詞建立索引庫,從而達到查詢的目的。隨著人工智慧的發展,語義搜尋得到了快速的發展,它透過使用者輸入的搜尋內容來理解使用者真正的意圖,從而獲得更有價值的內容。其本質是將所有要搜尋的內容轉化為高維數學向量,用統一的特徵向量來描述不同內容,把檢索輸入的內容向量化,並與要搜尋的內容進行向量匹配,把相似度最高的結果展現出來。
1.3拍照搜尋
拍照搜尋也就是以圖搜圖,是近幾年的視覺AI發展的一個產物。使用者登入電商平臺,可以透過上傳圖片,經過影像分析與識別來查詢相似的商品主圖,從而找出相關的商品。其基本原理是經影像分析抽取影像的顏色、形狀、紋理等特徵,建立特徵索引庫,對使用者上傳的影像進行特徵化描述,從索引庫中查詢出與之近似的特徵影像。
2. 現狀分析
2.1需要專業人員參與
文字搜尋需要文字描述的支援,也就是需要對短影片進行文字描述,需要人員對短影片進行準確的文字描述,尤其描述中要含有代表其商品的關鍵詞,否則可能難以被搜尋引擎所命中,這對影片的釋出人員產生了一定的門檻,增加搜尋命中的難度。
拍照搜尋主要是對商品的主圖進行特徵匹配,這也就需要商品釋出人員要製作儘可能與之匹配的圖片,尤其需要美工設計人員的參與,從而增加了人力成本。
2.2難以支援短影片搜尋
隨著近幾年自媒體的發展,短影片逐漸成為網際網路資訊傳播的主要手段。而短影片可以認為是大量圖片的集合,不可能對短影片的每張圖片建立特徵索引,因為這會浪費大量的計算機算力。
3. 技術方案
3.1 技術問題
以前商品介紹主要以圖文方式來展現商品,不僅要展示商品主圖還要配細節圖,以及產品引數,從而達到全面涵蓋產品資訊的能力。而短影片能夠全方位的展示商品,並搭配語言描述以及背景音樂,可進一步形象的給消費者介紹商品的功能,給顧客更直觀的體驗,有助於促進下單。同時商家制作的短影片可將其推送到自媒體平臺上,便於給商品引流,提高商品銷量,從而拓寬了銷售市場。
因此短影片營銷相對於圖文營銷更有優勢,如何讓顧客能夠更快更便捷地搜尋到其感興趣的商品短影片,是本發明所要解決的主要問題。本方案主要解決的是商品短影片搜尋,按照類目維度對商品短影片進行篩選,並提高影片搜尋的命中率,為商品短影片搜尋建立橋樑。
3.2 技術方案
3.2.1 流程圖
流程圖:
3.2.2 詳細描述
1.關鍵幀提取
賣家在製作好商品介紹的短影片後,在釋出商品時對短影片進行上傳,影片時長不能超過2分鐘。對該影片進行關鍵幀提取。影片是由一組連續的影像組成,如果每張圖片都儲存下來,則會導致影片檔案過大,因此影片都會被壓縮,在壓縮過程中,產生了I幀、P幀、B幀。I幀是畫面的完整儲存,它儘可能去除了影像空間的冗餘資訊;P幀則是記錄與前一個關鍵幀的差別;B幀是記錄本幀與上一幀和下一幀的差別。
因此只需提取出I幀即可。在MPEG-4標準中,stss部分標識了哪些sample是關鍵幀,如果沒有stss則全部sample是關鍵幀。當獲取的關鍵幀太多時,以時間軸維度,隨機選取20幀的影像供商家選擇,把商家選取的5張圖片與影片檔案一同儲存到檔案資料庫中。
Mp4標準
Box型別 | 說明 | |||||
---|---|---|---|---|---|---|
ftyp | | | | | | 檔案型別 |
moov | | | | | | 記錄媒體資訊 |
| mvhd | | | | | 影片檔案資訊,如時長、建立時間等 |
| track | | | | | 存放影片的容器 |
| | tkhd | | | | 媒體總體資訊,如寬高等 |
| | mdia | | | | 媒體容器 |
| | | mdhd | | | 換算真實事件 |
| | | hdlr | | | 媒體型別,指明是video、audio、hint |
| | | minf | | | 媒體資訊容器 |
| | | | stbl | | 偏移對映關係表 |
| | | | | stsd | sample描述 |
| | | | | stts | 時戳-sample序號對映表 |
| | | | | stsc | sample與chunk的對映表 |
| | | | | stsz | sample的大小 |
| | | | | stz2 | 另一種儲存sample的大小,更節省空間 |
| | | | | stss | 關鍵幀列表(從該處獲得I幀) |
| | | | | stco | 每個chunk的偏移 |
| | | | | co64 | 64位chunk的偏移 |
mdat | | | | | | 具體的媒體資料 |
2.特徵向量計算
本次的特徵向量計算採用的是VGG16模型。由於關鍵幀的圖片都是彩色圖片,因此採用3通道。卷積核為3×3,池化核為2×2。以224×224的影片影像為例,過程如下:
1) 輸入影像大小為224×224×3,經64個通道的卷積核3×3,步長為1,共卷積2次,輸出尺寸為224×224×64的特徵向量。進行池化,採用池化核2×2,步長為2,輸出尺寸為112×112×64的特徵向量。
2) 經128個3×3的卷積核,步長為1,卷積2次,尺寸變為112×112×128,進行池化,步長為2,輸出尺寸為56×56×128。
3) 經256個3×3的卷積核,步長為1,卷積3次,尺寸變為56×56×256,進行池化,步長為2,輸出尺寸為28×28×256。
4) 經512個3×3的卷積核,步長為1,卷積3次,尺寸變為28×28×512,進行池化,步長為2,輸出尺寸為14×14×256。
5) 經512個3×3的卷積核,步長為1,卷積3次,尺寸變為14×14×512,進行池化,步長為2,輸出尺寸為7×7×256。
6) 將資料拉平成一維陣列,7×7×256=25088。
7) 經兩層1×1×4096與一層1×1×1000的全連線層,最終輸出1×1000的特徵向量。
3.向量資料庫
向量在儲存時要把檔案資料庫中的ID同時存下來,以及商品ID,從而建立向量、檔案、商品的關係。向量搜尋都是相似性搜尋,透過兩個向量在高位空間的距離來做判斷,其實就是在高維空間中找到與目標向量最接近的K個向量,一般採用歐式距離計算,其公式:
為了召回精度高,暴力搜尋的是最好的選擇。但這會產生大量的不必要的計算,浪費了計算機資源。因此本方案採用類目維度進行切割。減少搜尋範圍。
4.影片搜尋
買家需要選擇要搜尋的類目再進行圖片上傳,透過VGG16模型計算出特徵向量,然後基於類目維度進行暴力搜尋把最接近的K個向量篩選出來。最後再根據向量與檔案的關係,把影片檔案查詢出來,返回給買家。
5.影片淘汰策略
每日進行定時巡檢,對於長時間沒有流量或者流量低於閾值的商品,需要從向量庫中對其短影片進行邏輯刪除,儘可能減少搜尋的體積,減少計算資源的浪費。